前言

大家好，我是晓晨。许久没有更新博客了，今天给大家带来一篇干货型文章，一个每隔5分钟抓取博客园首页文章信息并在第二天的上午9点发送到你的邮箱的小工具。比如我在2018年2月14日，9点来到公司我就会收到一封邮件，是2018年2月13日的博客园首页的文章信息。写这个小工具的初衷是，一直有看博客的习惯，但是最近由于各种原因吧，可能几天都不会看一下博客，要是中途错过了什么好文可是十分心疼的哈哈。所以做了个工具，每天归档发到邮箱，妈妈再也不会担心我错过好的文章了。为什么只抓取首页？因为博客园首页文章的质量相对来说高一些。

准备

作为一个持续运行的工具，没有日志记录怎么行，我准备使用的是NLog来记录日志，它有个日志归档功能非常不错。在http请求中，由于网络问题吧可能会出现失败的情况，这里我使用Polly来进行Retry。使用HtmlAgilityPack来解析网页，需要对xpath有一定了解。下面是详细说明：

组件名	用途	github
NLog	记录日志	https://github.com/NLog/NLog
Polly	当http请求失败，进行重试	https://github.com/App-vNext/Polly
HtmlAgilityPack	网页解析	https://github.com/zzzprojects/html-agility-pack
MailKit	发送邮件	https://github.com/jstedfast/MailKit

有不了解的组件，可以通过访问github获取资料。

关于发送邮件感谢下面的园友提供的资料：
https://www.cnblogs.com/qulianqing/p/7413640.html
http://www.cnblogs.com/rocketRobin/p/8337055.html

获取&解析博客园首页数据

我是用的是HttpWebRequest来进行http请求，下面分享一下我简单封装的类库：

using System;using System.IO;using System.Net;using System.Text;namespace CnBlogSubscribeTool{    /// <summary>/// Simple Http Request Class/// .NET Framework >= 4.0/// Author:stulzq/// CreatedTime:2017-12-12 15:54:47/// </summary>public class HttpUtil{        static HttpUtil()        {            //Set connection limit ,Default limit is 2ServicePointManager.DefaultConnectionLimit = 1024;}        /// <summary>/// Default Timeout 20s/// </summary>public static int DefaultTimeout = 20000;        /// <summary>/// Is Auto Redirect/// </summary>public static bool DefalutAllowAutoRedirect = true;        /// <summary>/// Default Encoding/// </summary>public static Encoding DefaultEncoding = Encoding.UTF8;        /// <summary>/// Default UserAgent/// </summary>public static string DefaultUserAgent =                "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36";        /// <summary>/// Default Referer/// </summary>public static string DefaultReferer = "";        /// <summary>/// httpget request/// </summary>/// <param name="url">Internet Address</param>/// <returns>string</returns>public static string GetString(string url)        {            var stream = GetStream(url);            string result;            using (StreamReader sr = new StreamReader(stream)){result = sr.ReadToEnd();}            return result;}        /// <summary>/// httppost request/// </summary>/// <param name="url">Internet Address</param>/// <param name="postData">Post request data</param>/// <returns>string</returns>public static string PostString(string url, string postData)        {            var stream = PostStream(url, postData);            string result;            using (StreamReader sr = new StreamReader(stream)){result = sr.ReadToEnd();}            return result;}        /// <summary>/// Create Response/// </summary>/// <param name="url"></param>/// <param name="post">Is post Request</param>/// <param name="postData">Post request data</param>/// <returns></returns>public static WebResponse CreateResponse(string url, bool post, string postData = "")        {            var httpWebRequest = WebRequest.CreateHttp(url);httpWebRequest.Timeout = DefaultTimeout;httpWebRequest.AllowAutoRedirect = DefalutAllowAutoRedirect;httpWebRequest.UserAgent = DefaultUserAgent;httpWebRequest.Referer = DefaultReferer;            if (post){                var data = DefaultEncoding.GetBytes(postData);httpWebRequest.Method = "POST";httpWebRequest.ContentType = "application/x-www-form-urlencoded;charset=utf-8";httpWebRequest.ContentLength = data.Length;                using (var stream = httpWebRequest.GetRequestStream()){stream.Write(data, 0, data.Length);}}            try{                var response = httpWebRequest.GetResponse();                return response;}            catch (Exception e){                throw new Exception(string.Format("Request error,url:{0},IsPost:{1},Data:{2},Message:{3}", url, post, postData, e.Message), e);}}        /// <summary>/// http get request/// </summary>/// <param name="url"></param>/// <returns>Response Stream</returns>public static Stream GetStream(string url)     
   {        
    var stream = CreateResponse(url, false).GetResponseStream();                        if (stream == null){                throw new Exception("Response error,the response stream is null");}            else{                return stream;}}        /// <summary>/// http post request/// </summary>/// <param name="url"></param>/// <param name="postData">post data</param>/// <returns>Response Stream</returns>public static Stream PostStream(string url, string postData)        {            var stream = CreateResponse(url, true, postData).GetResponseStream();            if (stream == null){                throw new Exception("Response error,the response stream is null");}            else{                return stream;}}}
}

获取首页数据

string res = HttpUtil.GetString("https://www.cnblogs.com");

解析数据

我们成功获取到了html，但是怎么提取我们需要的信息（文章标题、地址、摘要、作者、发布时间）呢。这里就亮出了我们的利剑HtmlAgilityPack，他是一个可以根据xpath来解析网页的组件。

载入我们前面获取的html：

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(html);

从上图中，我们可以看出，每条文章所有信息都在一个class为post_item的div里，我们先获取所有的class=post_item的div

//获取所有文章数据项var itemBodys = doc.DocumentNode.SelectNodes("//div[@class='post_item_body']");

我们继续分析，可以看出文章的标题在class=post_item_body的div下面的h3标签下的a标签，摘要信息在class=post_item_summary的p标签里面，发布时间和作者在class=post_item_foot的div里，分析完毕，我们可以取出我们想要的数据了：

foreach (var itemBody in itemBodys)
{    //标题元素var titleElem = itemBody.SelectSingleNode("h3/a");    //获取标题var title = titleElem?.InnerText;    //获取urlvar url = titleElem?.Attributes["href"]?.Value;    //摘要元素var summaryElem = itemBody.SelectSingleNode("p[@class='post_item_summary']");    //获取摘要var summary = summaryElem?.InnerText.Replace("\r\n", "").Trim();    //数据项底部元素var footElem = itemBody.SelectSingleNode("div[@class='post_item_foot']");    //获取作者var author = footElem?.SelectSingleNode("a")?.InnerText;    //获取文章发布时间var publishTime = Regex.Match(footElem?.InnerText, "\\d+-\\d+-\\d+ \\d+:\\d+").Value;Console.WriteLine($"标题：{title}");Console.WriteLine($"网址：{url}");Console.WriteLine($"摘要：{summary}");Console.WriteLine($"作者：{author}");Console.WriteLine($"发布时间：{publishTime}");Console.WriteLine("--------------华丽的分割线---------------");
}

运行一下：

我们成功的获取了我们想要的信息。现在我们定义一个Blog对象将它们装起来。

public class Blog{    /// <summary>/// 标题/// </summary>public string Title { get; set; }    /// <summary>/// 博文url/// </summary>public string Url { get; set; }    /// <summary>/// 摘要/// </summary>public string Summary { get; set; }    /// <summary>/// 作者/// </summary>public string Author { get; set; }    /// <summary>/// 发布时间/// </summary>public DateTime PublishTime { get; set; }
}

http请求失败重试

我们使用Polly在我们的http请求失败时进行重试，设置为重试3次。

//初始化重试器_retryTwoTimesPolicy =Policy.Handle<Exception>().Retry(3, (ex, count) =>{_logger.Error("Excuted Failed! Retry {0}", count);_logger.Error("Exeption from {0}", ex.GetType().Name);});

测试一下：

可以看到当遇到exception是Polly会帮我们重试三次，如果三次重试都失败了那么会放弃。

发送邮件

使用MailKit来进行邮件发送，它支持IMAP，POP3和SMTP协议，并且是跨平台的十分优秀。下面是根据前面园友的分享自己封装的一个类库：

using System.Collections.Generic;
using CnBlogSubscribeTool.Config;
using MailKit.Net.Smtp;
using MimeKit;

namespace CnBlogSubscribeTool{   
     /// <summary>/// send email/// </summary>public class MailUtil{      
       private static bool SendMail(MimeMessage mailMessage,MailConfig config)   {    
            try{             
                  var smtpClient = new SmtpClient();smtpClient.Timeout = 10 * 1000;   //设置超时时间smtpClient.Connect(config.Host, config.Port, MailKit.Security.SecureSocketOptions.None);//连接到远程smtp服务器smtpClient.Authenticate(config.Address, config.Password);smtpClient.Send(mailMessage);//发送邮件smtpClient.Disconnect(true);              
                    return true;}          
            catch{            
                        throw;}}        /// <summary>///发送邮件/// </summary>/// <param name="config">配置</param>/// <param name="receives">接收人</param>/// <param name="sender">发送人</param>/// <param name="subject">标题</param>/// <param name="body">内容</param>/// <param name="attachments">附件</param>/// <param name="fileName">附件名</param>/// <returns></returns>public static bool SendMail(MailConfig config,List<string> receives, string sender, string subject, string body, byte[] attachments = null,string fileName="")       
 {          
     var fromMailAddress = new MailboxAddress(config.Name, config.Address);            var mailMessage = new MimeMessage();mailMessage.From.Add(fromMailAddress);            foreach (var add in receives){               
                var toMailAddress = new MailboxAddress(add);mailMessage.To.Add(toMailAddress);}          
            if (!string.IsNullOrEmpty(sender)){               
                var replyTo = new MailboxAddress(config.Name, sender);mailMessage.ReplyTo.Add(replyTo);}           
            var bodyBuilder = new BodyBuilder() { HtmlBody = body };            //附件if (attachments != null){              
                if (string.IsNullOrEmpty(fileName)){fileName = "未命名文件.txt";}               
                var attachment = bodyBuilder.Attachments.Add(fileName, attachments);                //解决中文文件名乱码var charset = "GB18030";attachment.ContentType.Parameters.Clear();attachment.ContentDisposition.Parameters.Clear();attachment.ContentType.Parameters.Add(charset, "name", fileName);attachment.ContentDisposition.Parameters.Add(charset, "filename", fileName);                //解决文件名不能超过41字符foreach (var param in attachment.ContentDisposition.Parameters)param.EncodingMethod = ParameterEncodingMethod.Rfc2047;                foreach (var param in attachment.ContentType.Parameters)param.EncodingMethod = ParameterEncodingMethod.Rfc2047;}mailMessage.Body = bodyBuilder.ToMessageBody();mailMessage.Subject = subject;            return SendMail(mailMessage, config);}}
}